ROUGE : A database of disaster impacts in the Global South using Red Cross reports and Large Language Models
यह शोध पत्र ROUGE को प्रस्तुत करता है, जो ग्लोबल साउथ के लिए एक नया सामाजिक-आर्थिक आपदा प्रभाव डेटाबेस है, जो भौगोलिक कवरेज और डेटा पूर्वाग्रह के मौजूदा अंतराल को संबोधित करने के लिए इंटरनेशनल फेडरेशन ऑफ रेड क्रॉस एंड रेड क्रेसेंट सोसायटियों की रिपोर्टों से विस्तृत, गैर-मौद्रिक डेटा निकालने के लिए लार्ज लैंग्वेज मॉडल्स का लाभ उठाता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि दुनिया एक विशाल, हलचल भरे मंच की तरह है जहाँ प्रकृति कभी-कभी नखरे दिखाती है। कभी यह एक तूफान होता है जो सेट को गिरा देता है, कभी सूखा जो प्रॉप्स को सुखा देता है, या कभी भूकंप जो फर्श के तख्तों को हिला देता है। दशकों से, वैज्ञानिक और सहायता कर्मी इन आपदाओं का स्कोरकार्ड रखने की कोशिश कर रहे हैं ताकि यह समझा जा सके कि वे कितना नुकसान पहुँचाती हैं और किसे चोट पहुँचती है। लेकिन यहाँ समस्या यह है: हमारे पास जो स्कोरकार्ड हैं वे कुछ हद तक उस पुस्तकालय की तरह हैं जहाँ केवल अमीर देशों की किताबें ही अलमारियों पर रखी हैं। ग्लोबल साउथ (Global South) की कहानियाँ—जो गरीब, अक्सर अधिक संवेदनशील क्षेत्र हैं—गायब हैं, और हमारे पास जो किताबें हैं वे ज्यादातर केवल आर्थिक नुकसान को गिनती हैं, मानवीय कहानियों, टूटे हुए घरों और बीमार समुदायों को अनदेखा करती हैं। इसे ठीक करने के लिए, हमें लाखों बिखरे हुए, हस्तलिखित नोट्स और आधिकारिक रिपोर्टों को पढ़ने का एक तरीका चाहिए ताकि दर्द और रिकवरी की छिपी हुई कहानियों को खोजा जा सके। यहीं पर एक नए प्रकार का "सुपर-रीडर" आता है: लार्ज लैंग्वेज मॉडल्स (LLMs)। इन्हें अविश्वसनीय रूप से स्मार्ट AI जासूसों के रूप में सोचें जो सेकंडों में टेक्स्ट के हजारों पन्नों को पढ़ सकते हैं, पैटर्न पहचान सकते हैं और विशिष्ट तथ्यों को निकाल सकते हैं जिन्हें खोजने में एक इंसान को पूरा जीवन लग जाएगा। इन AI जासूसों को आपदा रिपोर्ट पढ़ने के लिए प्रशिक्षित करके, वैज्ञानिक इस उम्मीद में हैं कि वे एक पूर्ण और निष्पक्ष चित्र बना सकें कि प्राकृतिक खतरे वास्तव में दुनिया भर के लोगों को कैसे प्रभावित करते हैं।
मिलिए ROUGE से, एक नया डेटाबेस जिसे शोधकर्ताओं की एक टीम ने बनाया है जिन्होंने अनुमान लगाना बंद करने और वास्तविक कहानियों को पढ़ने का निर्णय लिया। उन्होंने इंटरनेशनल फेडरेशन ऑफ रेड क्रॉस एंड रेड क्रिसेंट सोसायटियों (IFRC) की आधिकारिक रिपोर्टों का एक विशाल ढेर लिया—जो रेड क्रॉस स्वयंसेवकों का वैश्विक नेटवर्क है जो आपदाओं के बाद मदद के लिए दौड़ पड़ता है—और उन्हें एक AI जासूस को सौंप दिया। ये रिपोर्टें, जो 1919 से फील्ड वर्करों द्वारा लिखी गई हैं, विवरणों से भरी हुई हैं कि क्या हुआ, किसे चोट लगी, और क्या टूट गया, लेकिन ये सादे टेक्स्ट में लिखी गई हैं, न कि व्यवस्थित स्प्रेडशीट में। शोधकर्ताओं ने एक विशिष्ट AI मॉडल (जिसे meta-llama/llama-4-scout-17b-16e-instruct कहा जाता है) का उपयोग एक डिजिटल पुरातत्वविद् के रूप में किया, जो 2016 से 2025 के बीच की 2,610 रिपोर्टों में से 15,147 विशिष्ट प्रभाव रिकॉर्ड निकालने के लिए खुदाई करता है।
परिणाम एक आपदा प्रभावों का खजाना मानचित्र है जो 145 देशों में 776 अद्वितीय घटनाओं को कवर करता है। पुराने डेटाबेस के विपरीत जो ज्यादातर पैसे पर ध्यान केंद्रित करते हैं या केवल देश स्तर पर देखते हैं, ROUGE गहराई तक जाता है। यह 20 अलग-अलग प्रकार के प्रभावों को कैप्चर करता है, जो स्पष्ट चीजों (जैसे "मानवीय मृत्यु" या "घायल लोग") से लेकर अक्सर अनदेखी की जाने वाली चीजों (जैसे "बेघर लोग," "अनौपचारिक बस्तियाँ," या "भोजन तक पहुँच") तक विस्तृत हैं। यह यहाँ तक ट्रैक करता है कि आपदाएँ स्कूलों, अस्पतालों और बिजली ग्रिडों जैसी चीजों को कैसे प्रभावित करती हैं। टीम ने पाया कि बाढ़ और तूफान उनके डेटासेट में सबसे अधिक बार होने वाले व्यवधानकर्ता हैं, और अफ्रीका और एशिया वे क्षेत्र हैं जहाँ इस नए डेटाबेस में इन प्रभावों को सबसे अधिक दर्ज किया गया है।
हालाँकि, शोधकर्ता सावधान हैं कि वे इसे एक पूर्ण, जादुई समाधान के रूप में दावा नहीं कर रहे हैं। वे स्वीकार करते हैं कि AI कभी-कभी गलतियाँ कर सकता है, जैसे कि ऐसी तारीख का अनुमान लगाना जो वहाँ नहीं थी या दो समान दिखने वाली जगहों को मिला देना। यह सुनिश्चित करने के लिए कि उनका काम टिक सके, उन्होंने AI का परीक्षण एक "गोल्ड स्टैंडर्ड" सेट के विरुद्ध किया जिसे मनुष्यों ने मैन्युअल रूप से पढ़ा और लेबल किया था। परिणामों ने दिखाया कि AI ने लगभग तीन-चौथाई तथ्यों को सही ढंग से पकड़ा (एक प्रिसिजन और रिकॉल स्कोर लगभग 0.73)। यह गुणात्मक कहानियों (जैसे "लोग विस्थापित हुए थे") को खोजने में विशेष रूप से अच्छा था, लेकिन कभी-कभी संख्याओं की सघन सूचियों के साथ संघर्ष करता था। उन्होंने अपने नए डेटा की तुलना EM-DAT और IFRC GO जैसे मौजूदा डेटाबेस के साथ भी की और पाया कि ROUGE ने अक्सर वे संख्याएँ ढूँढ लीं जो अन्य चूक गए थे—विशेष रूप से "लापता लोग" या "बेघर लोग" जैसी चीजों के लिए, जहाँ नए डेटाबेस ने कवर किए गए घटनाओं में से 92% तक के लिए अद्वितीय डेटा प्रदान किया।
यह शोध पत्र सुझाव देता है कि जबकि यह नया डेटाबेस हमारे वैश्विक आपदा ज्ञान की कमियों को भरने के लिए एक शक्तिशाली उपकरण है, यह मानवीय निर्णय का विकल्प नहीं है। शोधकर्ताओं ने "क्वालिटी फ्लैग्स" (गुणवत्ता ध्वज) की एक प्रणाली बनाई है ताकि उपयोगकर्ताओं को चेतावनी दी जा सके कि AI कब अनिश्चित हो सकता है या जब किसी डेटा में तारीख या स्थान गायब हो। वे किसी भी व्यक्ति को मूल टेक्स्ट स्निपेट्स को दोबारा जाँचने के लिए प्रोत्साहित करते हैं यदि कुछ संदिग्ध लगे। अंततः, ROUGE यह सुझाव देता है कि AI की अथक पढ़ने की शक्ति और रेड क्रॉस की समृद्ध, ज़मीनी कहानियों को जोड़कर, हम अंततः इस बात की पूरी, बिना किसी फिल्टर के तस्वीर देख सकते हैं कि प्राकृतिक आपदाएं दुनिया के सबसे कमजोर समुदायों को कैसे प्रभावित करती हैं, जिससे हम केवल डॉलर गिनने से आगे बढ़कर जीवन और आजीविका को गिनने की ओर बढ़ सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।